トップ › モデル別 › DeepSeek-R1-0528 Qwen3 8B

DeepSeek-R1-0528 Qwen3 8B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

DeepSeek ・公開 2025-05 ・ 8.19Bパラメータ・データ更新 2026-10-02

R1蒸留の改良版8B

6.5GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 8GB実用になるいちばん安いGPU: GeForce RTX 3070 Ti

16GB実用になるいちばん小さいMac: M2 Pro（16GB）

131,072最大コンテキスト（学習時）

編集部の見立て

大型のDeepSeek-R1-0528の推論の過程を、Qwen3 8Bの素の土台に学習させた蒸留モデルです。数学や論理の問題を手元で解かせたい人向け。Q4_K_M（4.7GB）に8kの文脈を足した6.5GBという必要量はQwen3 8Bと変わらず、速度の見積もりも一致します。

RTX 3070 Tiなら78.3tok/s、16GBのM2 Proなら29.3tok/s。単体GPUのないRyzen AI 300（16GB）は12.8tok/sで、長く考える型のモデルには少し苦しい速さです。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/DeepSeek-R1-0528-Qwen3-8B-GGUF）に置かれている実際のファイルサイズです。KVキャッシュ（会話の作業メモリ）は8,192トークン・fp16として、モデルの構造（36層）から計算しています。必要メモリの合計には計算用のバッファも含めています。

量子化	ファイル	KVキャッシュ（8k）	必要合計	GPUなら	Macなら
2bit（IQ2_M）品質劣化大。最後の手段	2.9GB	1.1GB	4.6GB	VRAM 6GB〜	8GB〜
2bit（Q2_K）品質劣化大。最後の手段	3.1GB	1.1GB	4.8GB	VRAM 6GB〜	8GB〜
3bit（Q3_K_M）メモリ優先	3.8GB	1.1GB	5.6GB	VRAM 8GB〜	16GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	4.3GB	1.1GB	6.0GB	VRAM 8GB〜	16GB〜
4bit（Q4_K_M）標準。迷ったらこれ	4.7GB	1.1GB	6.4GB	VRAM 8GB〜	16GB〜
5bit（Q5_K_M）品質重視	5.4GB	1.1GB	7.2GB	VRAM 8GB〜	16GB〜
6bit（Q6_K）ほぼ無劣化	6.3GB	1.1GB	8.1GB	VRAM 10GB〜	16GB〜
8bit（Q8_0）無劣化に近い	8.1GB	1.1GB	10.0GB	VRAM 11GB〜	16GB〜
16bit（BF16）元精度	15GB	1.1GB	17GB	VRAM 20GB〜	32GB〜

モデルの構造と、必要メモリの増え方

DeepSeek-R1-0528 Qwen3 8BはDeepSeekが2025年5月に公開した8.19Bのモデルです。GGUFのヘッダには36層と書かれており、全パラメータを毎回読み出すdense型なので、生成速度はファイルサイズとメモリ帯域幅でほぼ決まります。

全36層が全域注意で、KVヘッド8・head次元128。KVキャッシュはトークン数に正比例して増えます。1トークンあたりのKVキャッシュは約144KB（fp16）で、コンテキスト長にそのまま比例します。実際の値は、8,192トークンで1.1GB、学習時の上限131,072トークンまで伸ばすと18GBです。

ライセンス表記: mit（層数と窓の大きさはGGUFヘッダから取得）

このモデルを実際に使うなら

考える量が多いモデルです。配布元によれば、蒸留元のR1-0528はAIMEの1問あたり平均23Kトークンを使うまで思考が深くなりました。8Bで同じ長さを出すと、推定78.3tok/sでも約5分、12.8tok/sなら約30分。KVは1トークン144KBで、23Kトークンで約3.2GBになり、Q4_K_Mと合わせるとVRAM 8GBの実効7.5GBを超えます。

8GBのGPUでは文脈長を上げすぎないのが確実です。構造はQwen3-8Bと同一ですが、トークナイザーの設定はR1-0528側のもの。設定ファイルはQwenではなくDeepSeekのリポジトリから取るよう念押しされています。旧版と違い、システムプロンプトが使えるようになりました。ライセンスはMITです。

このモデルの系統

GGUFヘッダに書かれたアーキテクチャはqwen3で、当サイト収録の204モデル中10本が同じ系統です。Qwen3系。前世代から構造が更新され、対応するツールの版数を選ぶことがあります。

配布元はunsloth/DeepSeek-R1-0528-Qwen3-8B-GGUF、元になったモデルはdeepseek-ai/DeepSeek-R1-0528-Qwen3-8Bです。

得意分野は推論（段階を踏んで考える処理）です。

同じDeepSeekのモデルでは、サイズの近いものにDeepSeek-R1 Distill Llama 8B（8.03B）、DeepSeek-R1 Distill Qwen 7B（7.62B）、DeepSeek-R1 Distill Qwen 14B（14.77B）があります。

コンテキスト長を伸ばすと必要メモリはどう増えるか

長い文書を渡す、会話を続ける、コードベース全体を読ませる。こうした使い方ではコンテキスト長を伸ばしますが、その分KVキャッシュがメモリを食います。4bit（Q4_K_M）（4.7GB）を前提に、コンテキスト長ごとの必要メモリを計算しました。全層が全域注意なので、コンテキスト長に比例してKVが増えます。

コンテキスト	KVキャッシュ	必要合計	必要なGPU	必要なMac
4,096	0.6GB	5.9GB	VRAM 8GB〜	16GB〜
8,192既定	1.1GB	6.4GB	VRAM 8GB〜	16GB〜
16,384	2.3GB	7.6GB	VRAM 10GB〜	16GB〜
32,768	4.5GB	9.8GB	VRAM 11GB〜	16GB〜
65,536	9.0GB	14GB	VRAM 16GB〜	24GB〜
131,072	18GB	23GB	VRAM 24GB〜	36GB〜

KVキャッシュをq8_0に量子化すると、32,768トークンでのKVは約4.5GBから約2.3GBに減ります（品質はわずかに落ちます）。

同じサイズ帯の他のモデル

モデル	開発元	4bitで必要	一言
Qwen3-Swallow 8B	Swallow（東京科学大学・産総研）	6.4GB	Qwen3 8Bの日本語強化版。4bitならVRAM 8GBに収まる
Shisa V2.1 Qwen3 8B	Shisa.AI	6.4GB	Qwen3 8Bを日英バイリンガルに調整。VRAM 8GB
Qwen3-VL 8B	Alibaba	6.4GB	画像・画面・書類を読ませる用途の8B。VRAM 8GB
Qwen3 8B	Alibaba	6.4GB	VRAM 8GBクラスの定番。日本語チャットの最初の1本
Apertus 8B	Swiss AI	6.4GB	学習データまで公開したスイスの8B。1000以上の言語に対応。Apache 2.0。GPUなしのメモリ16GBのPCでも動く
Llama 3.1 Swallow 8B	Swallow（東京科学大学・産総研）	6.2GB	Llama 3.1 8Bの日本語強化版（v0.5）。VRAM 8GB